CN107730283A - 一种中小企业的征信方法及装置 - Google Patents
一种中小企业的征信方法及装置 Download PDFInfo
- Publication number
- CN107730283A CN107730283A CN201711070518.2A CN201711070518A CN107730283A CN 107730283 A CN107730283 A CN 107730283A CN 201711070518 A CN201711070518 A CN 201711070518A CN 107730283 A CN107730283 A CN 107730283A
- Authority
- CN
- China
- Prior art keywords
- data
- collage
- source
- credit
- target enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种中小企业的征信方法及装置,该方法包括:基于目标企业所在的产业链,获取目标企业的征信基础数据;对征信基础数据进行预处理,得到用于征信的征信源数据;根据征信源数据和预先构建的征信模型,获取目标企业的征信数据。由于产业链金融业务中的数据可以直接反应企业生产运行的真实情况,因此,本发明中征信基础数据的准确性就可以保证,也就使基于征信基础数据获取到的征信数据更可靠。
Description
技术领域
本发明涉及企业征信技术领域,更具体地说,涉及一种中小企业的征信方法及装置。
背景技术
中小企业是与所处行业的大企业相比,在人员规模、资产规模与经营规模上都比较小的经济单位。
受发展时间、企业规模等条件的限制,中小企业的相关数据较少。因此,目前金融机构对中小企业进行征信所使用的数据主要是由中小企业直接提供的。而由于中小企业所提供数据的准确性无法保证,这就会使征信结果的可靠性降低,从而增加金融机构的授信风险。
发明内容
有鉴于此,本发明提供一种中小企业的征信方法及装置,以解决现有征信方法征信结果可靠性降低的问题。技术方案如下:
一种中小企业的征信方法,包括:
基于目标企业所在的产业链,获取所述目标企业的征信基础数据;
对所述征信基础数据进行预处理,得到用于征信的征信源数据;
根据所述征信源数据和预先构建的征信模型,获取所述目标企业的征信数据。
优选的,所述基于目标企业所在的产业链,获取所述目标企业的征信基础数据,包括:
从目标企业所在的产业链中确定至少一个征信数据源;
对于每一个所述征信数据源,从该征信数据源中抽取针对所述目标企业的数据样本;
根据所述数据样本判断该征信数据源是否合法;
在该征信数据源合法的情况下,从该征信数据源中获取针对所述目标企业的源数据,并对所述源数据进行格式转换;
将全部格式转换后的源数据确定为所述目标企业的征信基础数据。
优选的,预先构建征信模型的过程,包括:
获取征信源数据样本;
对所述征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;
对于每一个所述预设征信类别,提取该预设征信类别下各个所述征信源数据子样本的特征;
根据各个所述预设源数据子样本的特征以及各个所述预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;
生成包含有全部所述征信子模型的征信模型。
优选的,还包括:
根据所述征信数据生成征信报告。
优选的,还包括:
在接收到针对所述征信数据的修改指令时,按照所述修改指令对所述征信数据进行修改;
按照修改后的所述征信数据和所述征信源数据,对所述征信模型进行训练。
优选的,所述征信基础数据,包括:
产业链金融信息、第三方业务数据和金融机构业务数据。
优选的,所述征信数据,包括:
企业基本信息、企业财务信息、企业信贷信息、企业其他信息和产业链金融信息。
一种中小企业的征信装置,包括:基础数据获取模块、预处理模块和征信数据获取模块;
所述基础数据获取模块,用于基于目标企业所在的产业链,获取所述目标企业的征信基础数据;
所述预处理模块,用于对所述征信基础数据进行预处理,得到用于征信的征信源数据;
所述征信数据获取模块,用于根据所述征信源数据和预先构建的征信模型,获取所述目标企业的征信数据。
优选的,所述基础数据获取模块,具体用于:
从目标企业所在的产业链中确定至少一个征信数据源;对于每一个所述征信数据源,从该征信数据源中抽取针对所述目标企业的数据样本;根据所述数据样本判断该征信数据源是否合法;在该征信数据源合法的情况下,从该征信数据源中获取针对所述目标企业的源数据,并对所述源数据进行格式转换;将全部格式转换后的源数据确定为所述目标企业的征信基础数据。
优选的,用于预先构建征信模型的所述征信数据获取模块,具体用于:
获取征信源数据样本;对所述征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;对于每一个所述预设征信类别,提取该预设征信类别下各个所述征信源数据子样本的特征;根据各个所述预设源数据子样本的特征以及各个所述预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;生成包含有全部所述征信子模型的征信模型。
相较于现有技术,本发明实现的有益效果为:
以上本发明提供的一种中小企业的征信方法及装置,可以基于目标企业所在的产业链获取征信基础数据,由于产业链金融业务中的数据可以直接反应企业生产运行的真实情况,因此征信基础数据的准确性就可以保证,也就使基于征信基础数据获取到的征信数据更可靠。
此外,本申请中将征信源数据直接输入到预先构建的征信模型中即可获取征信数据,简化了征信过程,也减少了工作人员的工作量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的中小企业的征信方法的方法流程图;
图2为本发明实施例提供的中小企业的征信方法的部分方法流程图;
图3为本发明实施例提供的中小企业的征信方法的另一部分方法流程图;
图4为本发明实施例提供的中小企业的征信方法的另一方法流程图;
图5为本发明实施例提供的中小企业的征信装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
产业链金融:金融机构以产业链的核心企业为依托,针对产业链的各个环节,设计个性化、标准化的金融服务产品,为整个产业链上的所有企业提供综合解决方案的一种服务模式。
征信:专业化的、独立的第三方机构为个人或企业建立信用档案,依法采集、客观记录其信用信息,并依法对外提供信用信息服务的一种活动。
本发明实施例提供一种中小企业的征信方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,基于目标企业所在的产业链,获取目标企业的征信基础数据;
在产业链金融的服务模式中,各类企业作为产业链中的各个节点,其生产运营相互关联。在产业链中大型企业一般为节点中的核心企业,而中小企业一般作为核心企业上下游的企业参与生产经营。金融机构,尤其是国有大型商业银行在金融领域有独特的优势,其与政府机构、国有事业单位、大型企业以及公共服务行业单位之间均存在紧密合作关系,具有对产业链中各节点开展金融业务的专业服务能力。
本实施例中,金融机构依托其广泛的企事业合作关系,以目标企业所在产业链中核心企业为依托,获取目标企业真实的产业链金融信息,其中,该产业链金融信息包括企业物流、资金流和信息流;还可从自身日常运营和业务开展中直接获取目标企业的金融机构业务数据;当然,还可从第三方机构,例如,政府机构、国有事业单位或者公共服务行业单位中获取目标企业的第三方业务数据。
将获取到的产业链金融信息、金融机构业务数据和第三方业务数据中的一种或多种作为征信基础数据,当然,还可从目标企业所在的产业链中获取其他数据,本实施例不做具体限定,可根据实际需要选取,均在本实施例保护范围内。
在具体实现过程中,步骤S10“基于目标企业所在的产业链,获取目标企业的征信基础数据”的过程,可以具体采用以下步骤,方法流程图如图2所示:
S101,从目标企业所在的产业链中确定至少一个征信数据源;
本实施例中征信数据源为产业链中与目标企业向关联节点的数据库,可以为核心企业数据库、第三方机构数据库以及金融机构数据库中的一个或多个。
S102,对于每一个征信数据源,从该征信数据源中抽取针对目标企业的数据样本;
在执行步骤S102的过程中,可根据目标企业的唯一标识,例如,公司名称、股票代码或者公司地址等作为索引,从征信数据源中抽取与目标企业相关的部分数据作为数据样本。而根据数据相关性,可使用分类和分层抽样方法,抽取可靠的数据样本。
S103,根据数据样本判断该征信数据源是否合法;
在执行步骤S103的过程中,可通过分析数据样本中的交易双方身份信息、交易金额以及交易时间等信息,确定征信数据源的可用性和准确性。
S104,在该征信数据源合法的情况下,从该征信数据源中获取针对目标企业的源数据,并对源数据进行格式转换;
在执行步骤S104的过程中,由于各个征信数据源的数据类型不同,并且,金融机构也可能采用指定数据类型,因此需要对从征信数据源中获取到的源数据进行格式转换,以保证格式转换后的各个源数据数据类型相同,并且为金融机构指定的。
S105,将全部格式转换后的源数据确定为目标企业的征信基础数据;
在执行步骤S105的过程中,为保证征信基础数据的有效性,对于不同类型的源数据可采用不同的数据抽取方式,例如,对于产业链金融信息,可针对性抽取其中的交易信息,包括具体的订单、应收应付账款、发票、产品物流跟踪等,从而实现对企业生产经营中的资金流、信息流和物流精确掌握;而对于金融机构业务数据,可针对性提取其中的信贷信息、保理信息以及额度信息等;对于第三方业务数据,可针对性提取其中的纳税情况、日常支付履约能力、员工公积金缴纳情况等,以获取企业的履约能力。
当然,还可预先设置时间窗,比如,仅选取宽度为三年的时间段作为分析观测窗口,从源数据中抽取观测窗口内全量数据作为征信基础数据。
S20,对征信基础数据进行预处理,得到用于征信的征信源数据;
数据预处理主要是对异常数据的清理和错误数据的纠正,数据预处理有多种方法,例如,数据清理、数据集成、数据变换和数据规约等。本实施例不做具体限定,可根据实际需要具体选择。
S30,根据征信源数据和预先构建的征信模型,获取目标企业的征信数据。
在具体实现过程中,步骤S30中预先构建征信模型的过程,可以具体采用以下步骤,方法流程图如图3所示:
S301,获取征信源数据样本;
在执行步骤S301的过程中,首先基于已知企业所在的产业链获取已知企业的征信基础数据,进而通过对已知企业的征信基础数据进行预处理得到征信源数据样本。
S302,对征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;
现有征信报告的内容主要包括企业基本信息、企业财务信息、企业信贷信息和企业其他信息这四种征信类别。
具体的,企业基本信息包括概况信息、高管人员信息、资本构成信息和对外投资信息;企业财务信息包括资本状况、负债状况、权益状况和损益状况;企业信贷信息包括未结清信贷信息、已结清信贷信息、未结清不良信贷信息、已结清不良信贷信息、欠息信息和当前对外担保信息;企业其他信息包括集团公司信息、股票信息、诉讼信息、大事记信息、社保缴费信息、电信缴费信息、公积金信息、法院信息、支付信用信息、税务信息、奖励信息、行政处罚信息、许可信息、资质信息、认证信息、借款人声明和异议标注。
而由于上述四个征信类别无法在企业征信分析时起到直接的指导作用,因此本申请可在上述四个征信类别的基础上增加产业链金融信息。具体的,产业链金融信息包括中小企业产业链业务规模评级,中小企业产业链业务资质评级,中小企业产业链履约能力评级,企业主要盈利业务及模式分类,该企业上下游企业资质评级等多个条目。
当然,用户还可根据需要增加其他类别,也可从上述五种征信类别中选取一种或多种作为预设征信类别,例如,选取企业基本信息、企业财务信息、企业信贷信息和产业链金融信息作为四个预设征信类别。
此外,在确定多个预设征信类别之后,按照基于词对征信源数据样本进行分类,从中获取各个预设征信类别下的多个征信源数据子样本,比如,获取已知企业的征信源数据样本在产业链金融信息这一类别下5月份、6月份以及7月份的的数据作为三个征信数据源数据子样本。
S303,对于每一个预设征信类别,提取该预设征信类别下各个征信源数据子样本的特征;
S304,根据各个预设源数据子样本的特征以及各个预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;
在执行步骤S304的过程中,企业基本信息数据所对应的标定征信数据为企业类型等级,企业财务信息所对应的标定征信数据为财务评级,企业信贷信息所对应的标定征信数据为信贷等级,产业链金融信息所对应的标定征信数据为产业链业务等级。
S305,生成包含有全部征信子模型的征信模型。
此外,为保证征信模型的准确度,本实施例还可基于用户反馈对征信模型进行优化。具体的,在接收到针对征信数据的修改指令时,按照修改指令对征信数据进行修改;按照修改后的征信数据和征信源数据,对征信模型进行训练。
以上步骤S101~步骤S105仅仅是本申请实施例步骤S10“基于目标企业所在的产业链,获取目标企业的征信基础数据”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
以上步骤S301~步骤S305仅仅是本申请实施例步骤S30中预先构建征信模型的过程一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
本发明实施例提供的中小企业的征信方法,可以基于目标企业所在的产业链获取征信基础数据,由于产业链金融业务中的数据可以直接反应企业生产运行的真实情况,因此征信基础数据的准确性就可以保证,也就使基于征信基础数据获取到的征信数据更可靠。
基于上述实施例提供的中小企业的征信方法,本发明实施例还提供另一种中小企业的征信方法,其方法流程图如图4所示,包括如下步骤:
S10,基于目标企业所在的产业链,获取目标企业的征信基础数据;
S20,对征信基础数据进行预处理,得到用于征信的征信源数据;
S30,根据征信源数据和预先构建的征信模型,获取目标企业的征信数据;
S40,根据征信数据生成征信报告。
本实施例中,为方便用户查看征信数据,可基于步骤S30获取到的征信数据生成征信报告,以报告的形式展示。
此外,为避免征信报告形式单一,本实施例中还可根据用户权限以及应用场景等,生成不同精度、不同格式的征信报告,具体生成规则可由用户进程设置。
需要说明的是,本实施例中步骤S10~步骤S30的具体执行过程与上述实施例中步骤S10~步骤S30的具体执行过程一致,本实施例不再赘述,请参见上述实施例公开部分。
本发明实施例提供的中小企业的征信方法,在获取可靠性更高征信数据的基础上,以征信报告的形式展示征信数据,从而方便用户查看。
基于上述各实施例提供的中小企业的征信方法,本实施例则提供执行上述中小企业的征信方法的装置,其结构示意图如图5所示,包括:基础数据获取模块10、预处理模块20和征信数据获取模块30;
基础数据获取模块10,用于基于目标企业所在的产业链,获取目标企业的征信基础数据;
预处理模块20,用于对征信基础数据进行预处理,得到用于征信的征信源数据;
征信数据获取模块30,用于根据征信源数据和预先构建的征信模型,获取目标企业的征信数据。
可选的,基础数据获取模块10,具体用于:
从目标企业所在的产业链中确定至少一个征信数据源;对于每一个征信数据源,从该征信数据源中抽取针对目标企业的数据样本;根据数据样本判断该征信数据源是否合法;在该征信数据源合法的情况下,从该征信数据源中获取针对目标企业的源数据,并对源数据进行格式转换;将全部格式转换后的源数据确定为目标企业的征信基础数据。
可选的,用于预先构建征信模型的征信数据获取模块30,具体用于:
获取征信源数据样本;对征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;对于每一个预设征信类别,提取该预设征信类别下各个征信源数据子样本的特征;根据各个预设源数据子样本的特征以及各个预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;生成包含有全部征信子模型的征信模型。
本发明实施例提供的中小企业的征信装置,可以基于目标企业所在的产业链获取征信基础数据,由于产业链金融业务中的数据可以直接反应企业生产运行的真实情况,因此征信基础数据的准确性就可以保证,也就使基于征信基础数据获取到的征信数据更可靠。
以上对本发明所提供的一种中小企业的征信方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素,或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种中小企业的征信方法,其特征在于,包括:
基于目标企业所在的产业链,获取所述目标企业的征信基础数据;
对所述征信基础数据进行预处理,得到用于征信的征信源数据;
根据所述征信源数据和预先构建的征信模型,获取所述目标企业的征信数据。
2.根据权利要求1所述的方法,其特征在于,所述基于目标企业所在的产业链,获取所述目标企业的征信基础数据,包括:
从目标企业所在的产业链中确定至少一个征信数据源;
对于每一个所述征信数据源,从该征信数据源中抽取针对所述目标企业的数据样本;
根据所述数据样本判断该征信数据源是否合法;
在该征信数据源合法的情况下,从该征信数据源中获取针对所述目标企业的源数据,并对所述源数据进行格式转换;
将全部格式转换后的源数据确定为所述目标企业的征信基础数据。
3.根据权利要求1所述的方法,其特征在于,预先构建征信模型的过程,包括:
获取征信源数据样本;
对所述征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;
对于每一个所述预设征信类别,提取该预设征信类别下各个所述征信源数据子样本的特征;
根据各个所述预设源数据子样本的特征以及各个所述预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;
生成包含有全部所述征信子模型的征信模型。
4.根据权利要求1所述的方法,其特征在于,还包括:
根据所述征信数据生成征信报告。
5.根据权利要求1所述的方法,其特征在于,还包括:
在接收到针对所述征信数据的修改指令时,按照所述修改指令对所述征信数据进行修改;
按照修改后的所述征信数据和所述征信源数据,对所述征信模型进行训练。
6.根据权利要求1所述的方法,其特征在于,所述征信基础数据,包括:
产业链金融信息、第三方业务数据和金融机构业务数据。
7.根据权利要求1所述的方法,其特征在于,所述征信数据,包括:
企业基本信息、企业财务信息、企业信贷信息、企业其他信息和产业链金融信息。
8.一种中小企业的征信装置,其特征在于,包括:基础数据获取模块、预处理模块和征信数据获取模块;
所述基础数据获取模块,用于基于目标企业所在的产业链,获取所述目标企业的征信基础数据;
所述预处理模块,用于对所述征信基础数据进行预处理,得到用于征信的征信源数据;
所述征信数据获取模块,用于根据所述征信源数据和预先构建的征信模型,获取所述目标企业的征信数据。
9.根据权利要求8所述的装置,其特征在于,所述基础数据获取模块,具体用于:
从目标企业所在的产业链中确定至少一个征信数据源;对于每一个所述征信数据源,从该征信数据源中抽取针对所述目标企业的数据样本;根据所述数据样本判断该征信数据源是否合法;在该征信数据源合法的情况下,从该征信数据源中获取针对所述目标企业的源数据,并对所述源数据进行格式转换;将全部格式转换后的源数据确定为所述目标企业的征信基础数据。
10.根据权利要求8所述的装置,其特征在于,用于预先构建征信模型的所述征信数据获取模块,具体用于:
获取征信源数据样本;对所述征信源数据样本进行分类,获取多个预设征信类别下的多个征信源数据子样本;对于每一个所述预设征信类别,提取该预设征信类别下各个所述征信源数据子样本的特征;根据各个所述预设源数据子样本的特征以及各个所述预设源数据子样本的标定征信数据,生成该预设征信类别的征信子模型;生成包含有全部所述征信子模型的征信模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711070518.2A CN107730283A (zh) | 2017-11-03 | 2017-11-03 | 一种中小企业的征信方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711070518.2A CN107730283A (zh) | 2017-11-03 | 2017-11-03 | 一种中小企业的征信方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107730283A true CN107730283A (zh) | 2018-02-23 |
Family
ID=61222538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711070518.2A Pending CN107730283A (zh) | 2017-11-03 | 2017-11-03 | 一种中小企业的征信方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730283A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021486A (zh) * | 2017-11-21 | 2018-05-11 | 平安科技(深圳)有限公司 | 电子装置、征信数据处理的方法及存储介质 |
CN109087019A (zh) * | 2018-08-18 | 2018-12-25 | 北京企信云信息科技有限公司 | 一种中小企业征信方法及装置 |
CN109118094A (zh) * | 2018-08-18 | 2019-01-01 | 北京企信云信息科技有限公司 | 一种基于信用体系的企业服务应用系统 |
CN111090833A (zh) * | 2019-11-21 | 2020-05-01 | 深圳微众信用科技股份有限公司 | 一种数据处理方法、系统及相关设备 |
CN111489134A (zh) * | 2020-04-13 | 2020-08-04 | 深圳前海微众银行股份有限公司 | 数据模型的构建方法、装置、设备及计算机可读存储介质 |
CN112051992A (zh) * | 2020-09-02 | 2020-12-08 | 天元大数据信用管理有限公司 | 基于征信报告生成的数据处理方法及系统 |
CN113506174A (zh) * | 2021-08-19 | 2021-10-15 | 北京中数智汇科技股份有限公司 | 中小企业风险预警模型训练方法、装置和设备 |
US20220253865A1 (en) * | 2021-02-08 | 2022-08-11 | Capital One Services, Llc | Systems and methods for warranty coverage alerts based on acquisition data |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7818254B1 (en) * | 1999-04-07 | 2010-10-19 | Juno Holdings, N.V. | Application apparatus and method |
CN106056444A (zh) * | 2016-05-25 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置 |
CN106779457A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种企业信用评估方法及系统 |
CN106897930A (zh) * | 2017-03-03 | 2017-06-27 | 山东浪潮云服务信息科技有限公司 | 一种信用评估的方法及装置 |
CN106934712A (zh) * | 2017-03-16 | 2017-07-07 | 深圳微众税银信息服务有限公司 | 一种企业画像数据处理方法及系统 |
CN107220769A (zh) * | 2017-05-26 | 2017-09-29 | 北京汇通金财信息科技有限公司 | 一种企业信用风险评估方法及系统 |
CN107392456A (zh) * | 2017-07-14 | 2017-11-24 | 武汉理工大学 | 一种融合互联网信息的多角度企业信用评估建模方法 |
-
2017
- 2017-11-03 CN CN201711070518.2A patent/CN107730283A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7818254B1 (en) * | 1999-04-07 | 2010-10-19 | Juno Holdings, N.V. | Application apparatus and method |
CN106056444A (zh) * | 2016-05-25 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置 |
CN106779457A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种企业信用评估方法及系统 |
CN106897930A (zh) * | 2017-03-03 | 2017-06-27 | 山东浪潮云服务信息科技有限公司 | 一种信用评估的方法及装置 |
CN106934712A (zh) * | 2017-03-16 | 2017-07-07 | 深圳微众税银信息服务有限公司 | 一种企业画像数据处理方法及系统 |
CN107220769A (zh) * | 2017-05-26 | 2017-09-29 | 北京汇通金财信息科技有限公司 | 一种企业信用风险评估方法及系统 |
CN107392456A (zh) * | 2017-07-14 | 2017-11-24 | 武汉理工大学 | 一种融合互联网信息的多角度企业信用评估建模方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021486A (zh) * | 2017-11-21 | 2018-05-11 | 平安科技(深圳)有限公司 | 电子装置、征信数据处理的方法及存储介质 |
CN109087019A (zh) * | 2018-08-18 | 2018-12-25 | 北京企信云信息科技有限公司 | 一种中小企业征信方法及装置 |
CN109118094A (zh) * | 2018-08-18 | 2019-01-01 | 北京企信云信息科技有限公司 | 一种基于信用体系的企业服务应用系统 |
CN109118094B (zh) * | 2018-08-18 | 2022-07-29 | 北京企信云信息科技有限公司 | 一种基于信用体系的企业服务应用系统 |
CN111090833A (zh) * | 2019-11-21 | 2020-05-01 | 深圳微众信用科技股份有限公司 | 一种数据处理方法、系统及相关设备 |
CN111489134A (zh) * | 2020-04-13 | 2020-08-04 | 深圳前海微众银行股份有限公司 | 数据模型的构建方法、装置、设备及计算机可读存储介质 |
CN111489134B (zh) * | 2020-04-13 | 2024-05-10 | 深圳前海微众银行股份有限公司 | 数据模型的构建方法、装置、设备及计算机可读存储介质 |
CN112051992A (zh) * | 2020-09-02 | 2020-12-08 | 天元大数据信用管理有限公司 | 基于征信报告生成的数据处理方法及系统 |
US20220253865A1 (en) * | 2021-02-08 | 2022-08-11 | Capital One Services, Llc | Systems and methods for warranty coverage alerts based on acquisition data |
US11657401B2 (en) * | 2021-02-08 | 2023-05-23 | Capital One Services, Llc | Systems and methods for warranty coverage alerts based on acquisition data |
CN113506174A (zh) * | 2021-08-19 | 2021-10-15 | 北京中数智汇科技股份有限公司 | 中小企业风险预警模型训练方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730283A (zh) | 一种中小企业的征信方法及装置 | |
Berger et al. | Does market size structure affect competition? The case of small business lending | |
Hadani | Institutional ownership monitoring and corporate political activity: Governance implications | |
Hoekman | The next round of services negotiations: identifying priorities and options | |
CN101685526A (zh) | 一种贷款准入评估方法和系统 | |
Riasanow et al. | The generic ecosystem and innovation patterns of the digital transformation in the financial industry | |
Gu et al. | A unified framework for credit evaluation for internet finance companies: Multi-criteria analysis through AHP and DEA | |
CN109740792A (zh) | 数据预测方法、系统、终端及计算机存储介质 | |
CN109345372A (zh) | 信用评分方法、系统及计算机可读存储介质 | |
kamali Zonouzi et al. | Political factors affecting the survival of SMEs case study: An empirical study in Tehran Grand Bazaar | |
Chih et al. | Brace for another crisis: empirical evidence from US construction industry and firm performance during and after 2007–2009 global financial crisis | |
Castro-Nagatomy et al. | Digitization model for costs and operating times reduction in Peruvian Banks | |
Yang et al. | Resilient supply chains to improve the integrity of accounting data in financial institutions worldwide using blockchain technology | |
Ohene-Asare et al. | Banking efficiency analysis under corporate social responsibilities | |
Constansje et al. | The Effects of Financial Literacy, Self-Efficacy, and Financial Stress on Risky Credit Behav-ior of Generation Z: Evidence from Pay Later Users | |
Jena et al. | A bibliographic overview of financial engineering in the emerging financial market | |
Israël et al. | Incorporating microdata into macro policy decision-making | |
Zeinali et al. | Evaluation of the impact of information technology capital and intellectual capital on future returns of companies in the capital market | |
Dan et al. | Performance management tools used in NPOS–A literature review | |
Du et al. | Empirical analysis on the negative technology spillover effect of foreign direct investment in China | |
Gamito | Financial inclusion in Africa: Improving it through fintech | |
Mishra et al. | Role of international strategic alliances in internationalization of business group affiliated firms—A system dynamics approach | |
Jahangir-Abdoelrahman et al. | The post-pandemic new normal for central bank statistics | |
Hasan | Total Cost of Ownership of Responsible Apparel Production in Low-Cost Country | |
Chiucchi et al. | Financial and non-financial reporting: examining the past to understand the future |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |